用户画像构建技术研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.3 本文工作 | 第10-11页 |
| 1.4 本文结构 | 第11-12页 |
| 2 相关理论及模型 | 第12-24页 |
| 2.1 集成学习 | 第12-17页 |
| 2.1.1 简介 | 第12-13页 |
| 2.1.2 Bagging | 第13-15页 |
| 2.1.3 Boosting | 第15-16页 |
| 2.1.4 Stacking | 第16-17页 |
| 2.2 XGBoost | 第17-20页 |
| 2.2.1 梯度提升算法 | 第17-18页 |
| 2.2.2 梯度提升决策树 | 第18-19页 |
| 2.2.3 梯度提升的高效系统实现 | 第19-20页 |
| 2.3 词向量 | 第20-22页 |
| 2.4 卷积神经网络 | 第22-24页 |
| 3 面向电网用户的用户画像构建技术研究 | 第24-34页 |
| 3.1 引言 | 第24页 |
| 3.2 方法介绍 | 第24-30页 |
| 3.2.1 双通道建模 | 第25-26页 |
| 3.2.2 多源特征体系构建 | 第26-30页 |
| 3.2.3 多视角融合模型 | 第30页 |
| 3.3 实验设计 | 第30-32页 |
| 3.3.1 实验数据 | 第30-31页 |
| 3.3.2 实验结果 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 4 面向微博用户的用户画像构建技术研究 | 第34-43页 |
| 4.1 引言 | 第34页 |
| 4.2 方法介绍 | 第34-40页 |
| 4.2.1 多粒度特征体系构建 | 第35-37页 |
| 4.2.2 特征融合层 | 第37-38页 |
| 4.2.3 特征萃取层 | 第38-39页 |
| 4.2.4 集成输出层 | 第39-40页 |
| 4.3 实验设计 | 第40-42页 |
| 4.3.1 实验数据 | 第40页 |
| 4.3.2 实验结果 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 结论 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 攻读硕士学位期间发表学术论文情况 | 第49-50页 |
| 致谢 | 第50-52页 |
